据《福布斯》报道,特斯拉和埃隆·马斯克(elon musk)提出的半自动驾驶和全自动驾驶的愿景,无疑将有助于推动自动驾驶的发展。然而,考虑到该公司声称已经赢得了与英里安全相关的胜利,有必要思考特斯拉和马斯克向公众提供的统计数据的性质。无论是自动驾驶行业内外,都应该对现有的半自动驾驶和全自动驾驶有一个现实的认识。所以任何一个汽车厂商或者科技公司报出来的统计数据都是值得推敲的。然而,在深入研究数据之前,我们需要考虑以下重要背景。
传播自动驾驶汽车假新闻的危险有人指出,少数州要求提供脱离报告,这似乎是在展示道路自动驾驶汽车测试。但是,这些脱离报告并没有具体说明问题,也不是掌握和说明问题真实情况的可行手段。事实上,有关部门公布这类数据时,媒体往往会大张旗鼓地报道。但媒体有时只是转述报道的数据,却给人留下数据真实可靠的印象,但事实往往并非如此。数据中使用的指标的性质和报告的方式本质上仍然是脆弱的。特斯拉季度里程-安全数据报告特斯拉去年10月开始报告季度安全数据,并在其网站上公布。然而,特斯拉的“季度安全数据”本质上是两部分数据的组合。一组是事故或碰撞前的里程,在启用自动驾驶时显示为数字,另一组数据是未启用自动驾驶时的里程。如果要分析特斯拉汽车的安全性,只提供这两组数据显然不够全面,因为没有说明特斯拉是如何获得这两组数据的,也没有说明数据本身的真实性。特斯拉公布的数据及其含义以下是特斯拉公布的部分数据,其衡量标准是每一次车祸或类似车祸对应的里程数。2019年第一季度:自动驾驶组287万英里,无自动驾驶组1.76万英里;2018年第四季度:自动驾驶组291万英里,无自动驾驶组158万英里。数字越大,汽车在事故或撞车前行驶的里程就越多。从以上数据不难发现,事故发生前,自动驾驶组的行驶里程大于无自动驾驶组。特斯拉报告的数字可能会引出两个命题。特斯拉指出,美国国家公路交通安全管理局的数据显示,2019年第一季度和2018年第四季度,该国每43.6万英里就有一起车祸。所以说明事故前自动驾驶组304万英里的平均里程明显远高于全国平均水平,甚至没有自动驾驶的组175万英里也高于这个水平,也就是说事故前特斯拉汽车的里程大于全国平均水平。如前所述,人们通常认为事故前的行驶里程越大越好。无论如何,以下似乎是关于这些具体统计数据的一般命题的优点:一般命题#1:相比较而言,启用Autopilot似乎比不启用更安全,因为其平均行驶里程相当于不启用Autopilot的1.7倍。总体命题#2:相比较而言,特斯拉汽车应该比其他汽车更安全,因为自动驾驶组的行驶里程接近全国平均水平的7倍,没有自动驾驶的组高出3倍以上。自动驾驶汽车行业的一些专家喜欢抓住第一个命题,因为这似乎意味着自动驾驶汽车比非自动驾驶汽车更安全,但实际上这里存在相当大的误导。特斯拉还没有实现全自动驾驶,还停留在2而不是5的水平。所以这只是半自动驾驶汽车,涉及到人类和机器分担驾驶任务,而不是只有机器或者人工智能来承担驾驶任务。“安全里程统计”解读中的统计谬误统计数据是人工智能领域的重要元素,如机器学习、深度学习和概率推理。研究一再表明,人们在解读统计数据时往往会陷入许多心理陷阱,容易受到统计谬误的影响。就整体命题#1而言,使用自动驾驶似乎带来了更大的安全性,因为其安全里程的统计距离远大于未启用自动驾驶的群体。所以,人们的第一印象可能是自动驾驶的使用带来了更安全的驾驶,但这里可能隐藏着一个统计学上的谬误。例如,在自动驾驶汽车行业,众所周知,并非所有里程都面临相同的交通环境。人工智能显然更容易处理车流量相对较小的高速公路,而不是拥挤的城市交通道路。后者无疑面临着更加频繁复杂的堵车、行人等诱发车祸的因素。所以需要了解自动驾驶开启时的道路行驶性质,自动驾驶参与的里程是高速还是其他环境。不然就像拿苹果和橘子比,可能根本不是一回事。因为在开启自动驾驶的情况下,行驶里程的类型不容易发生事故。至于一般命题#1,可能存在类似的统计谬误。结论的相关性并不意味着因果关系,这是统计学和统计推理领域的一个原则。正如马克·吐温所说,“谎言有三种:谎言、该死的谎言和统计数据。”因此,非常重要的一点是,任何汽车制造商或技术公司提供的半自动驾驶或自动驾驶汽车的统计数据都应该经过严格审查,不能被不当解读或使用。据《福布斯》报道,特斯拉和埃隆·马斯克(elon musk)提出的半自动驾驶和全自动驾驶的愿景,无疑将有助于推动自动驾驶的发展。然而,考虑到该公司声称已经赢得了与英里安全相关的胜利,有必要思考特斯拉和马斯克向公众提供的统计数据的性质。无论是自动驾驶行业内外,都应该对现有的半自动驾驶和全自动驾驶有一个现实的认识。所以任何一个汽车厂商或者科技公司报出来的统计数据都是值得推敲的。然而,在学习t之前……数据深入,我们需要考虑以下重要背景。
传播自动驾驶汽车假新闻的危险有人指出,少数州要求提供脱离报告,这似乎是在展示道路自动驾驶汽车测试。但是,这些脱离报告并没有具体说明问题,也不是掌握和说明问题真实情况的可行手段。事实上,有关部门公布这类数据时,媒体往往会大张旗鼓地报道。但媒体有时只是转述报道的数据,却给人留下数据真实可靠的印象,但事实往往并非如此。数据中使用的指标的性质和报告的方式本质上仍然是脆弱的。特斯拉季度里程-安全数据报告特斯拉去年10月开始报告季度安全数据,并在其网站上公布。然而,特斯拉的“季度安全数据”本质上是两部分数据的组合。一组是事故或碰撞前的里程,在启用自动驾驶时显示为数字,另一组数据是未启用自动驾驶时的里程。如果要分析特斯拉汽车的安全性,只提供这两组数据显然不够全面,因为没有说明特斯拉是如何获得这两组数据的,也没有说明数据本身的真实性。特斯拉公布的数据及其含义以下是特斯拉公布的部分数据,其衡量标准是每一次车祸或类似车祸对应的里程数。2019年第一季度:自动驾驶组287万英里,无自动驾驶组1.76万英里;2018年第四季度:自动驾驶组291万英里,无自动驾驶组158万英里。数字越大,汽车在事故或撞车前行驶的里程就越多。从以上数据不难发现,事故发生前,自动驾驶组的行驶里程大于无自动驾驶组。特斯拉报告的数字可能会引出两个命题。特斯拉指出,美国国家公路交通安全管理局的数据显示,2019年第一季度和2018年第四季度,该国每43.6万英里就有一起车祸。所以说明事故前自动驾驶组304万英里的平均里程明显远高于全国平均水平,甚至没有自动驾驶的组175万英里也高于这个水平,也就是说事故前特斯拉汽车的里程大于全国平均水平。如前所述,人们通常认为事故前的行驶里程越大越好。无论如何,以下似乎是关于这些具体统计数据的一般命题的优点:一般命题#1:相比较而言,启用Autopilot似乎比不启用更安全,因为其平均行驶里程相当于不启用Autopilot的1.7倍。总体命题#2:相比较而言,特斯拉汽车应该比其他汽车更安全,因为自动驾驶组的行驶里程接近全国平均水平的7倍,没有自动驾驶的组高出3倍以上。自动驾驶汽车行业的一些专家喜欢抓住第一个命题,因为这似乎意味着自动驾驶汽车比非自动驾驶汽车更安全,但实际上这里存在相当大的误导。特斯拉还没有实现全自动驾驶,还停留在2而不是5的水平。所以这只是半自动驾驶汽车,涉及到人类和机器分担驾驶任务,而不是只有机器或者人工智能来承担驾驶任务。“安全里程统计”解读中的统计谬误统计数据是人工智能领域的重要元素,如机器学习、深度学习和概率推理。研究一再表明,人们在解读统计数据时往往会陷入许多心理陷阱,容易受到统计谬误的影响。就整体命题#1而言,使用自动驾驶似乎带来了更大的安全性,因为其安全里程的统计距离远大于未启用自动驾驶的群体。所以,人们的第一印象可能是自动驾驶的使用带来了更安全的驾驶,但这里可能隐藏着一个统计学上的谬误。例如,在自动驾驶汽车行业,众所周知,并非所有里程都面临相同的交通环境。人工智能显然更容易处理车流量相对较小的高速公路,而不是拥挤的城市交通道路。后者无疑面临着更加频繁复杂的堵车、行人等诱发车祸的因素。所以需要了解自动驾驶开启时的道路行驶性质,自动驾驶参与的里程是高速还是其他环境。不然就像拿苹果和橘子比,可能根本不是一回事。因为在开启自动驾驶的情况下,行驶里程的类型不容易发生事故。至于一般命题#1,可能存在类似的统计谬误。结论的相关性并不意味着因果关系,这是统计学和统计推理领域的一个原则。正如马克·吐温所说,“谎言有三种:谎言、该死的谎言和统计数据。”因此,非常重要的一点是,任何汽车制造商或技术公司提供的半自动驾驶或自动驾驶汽车的统计数据都应该经过严格审查,不能被不当解读或使用。
随着汽车行业智能互联化群雄角逐愈发激烈,智能网联时代面临各种各样的信息安全问题,一个业界普遍认可的信息安全评测机制亟待出现。
1900/1/1 0:00:00图片来源视觉中国流年不利,自身亏损,“野蛮人”频袭,核心业务屡屡遭遇“黑天鹅”。早已收官之战的网约车市场霸主滴滴,似乎缺少一分行业老大的“震慑力”,反而表现出一副流年不利的光景。
1900/1/1 0:00:005月22日,北京国能电池即将倒闭的传言不胫而走,虽然事后国能出面澄清,但业界关于动力电池行业将面临惨烈洗牌、第二梯队电池企业倒闭潮将即将来临的说法此起彼伏。
1900/1/1 0:00:006月12日,中国电动充电基础设施促进联盟(下文简称:充电联盟)发布2019年5月充电桩运营数据。
1900/1/1 0:00:00近日,上汽通用五菱正在重庆改建一条生产线用于新能源汽车的生产。上汽通用五菱重庆分公司目前主要生产五菱宏光等传统燃油车型,而在原有生产线上改建的新能源生产线将会生产旗下的纯电乘用车宝骏E100。
1900/1/1 0:00:00自动驾驶车辆在大规模应用前,需要经过大量的准备工作,在公共道路上进行测试可能是其中一个最重要的步骤。由于自动驾驶车辆的特殊性,全球各个国家对自动驾驶车辆的测试,都有着严格的规定。
1900/1/1 0:00:00